图像处理方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种图像处理方法、装置、计算机设备和存储介质，涉及人工智能，方法包括：获取原始图像，将原始图像输入到待训练的目标图像处理模型中进行处理，得到目标图像；获取目标参考模型，目标参考模型是根据输入到模型的图像与模型输出的图像的差异训练得到的；将原始图像输入到目标参考模型中，得到对应的参考信息；根据目标信息与参考信息的差异得到第一模型损失值，目标信息包括目标图像或者将目标图像输入到目标参考模型中进行编码得到的编码特征中的至少一个；根据第一模型损失值调整目标图像处理模型中的模型参数，得到更新后的目标图像处理模型，以利用更新后的目标图像处理模型进行图像处理。上述方法可以提高图像处理效果。

Image processing methods, devices, computer equipment and storage media

【技术实现步骤摘要】
图像处理方法、装置、计算机设备和存储介质
本申请涉及计算机领域，特别是涉及图像处理方法、装置、计算机设备和存储介质。
技术介绍
随着多媒体技术和网络技术的飞速发展和广泛应用，人们在日常生活和生产活动大量使用图像信息。为了提高图像质量，需要对图像进行图像处理，例如对图像进行域转换，域转换是一种将图像从源域转换为目标域的方法，例如，可以将冬天的图像转换为夏天的图像。目前，可以通过人工智能，利用机器学习模型对图像进行处理，将图像输入到模型中，得到处理后的图像，然而，经常存在处理后的图像的内容与处理前的图像内容变化很大的情况，例如转换后的图像会发生扭曲，导致图像处理效果差。
技术实现思路
基于此，有必要针对上述图像处理效果差的问题，提供一种图像处理方法、装置、计算机设备和存储介质。一种图像处理方法，所述方法包括：获取原始图像，将所述原始图像输入到待训练的目标图像处理模型中进行处理，得到目标图像；获取目标参考模型，所述目标参考模型是根据输入到模型的图像与模型输出的图像的差异训练得到的；将所述原始图像输入到所述目标参考模本文档来自技高网...

【技术保护点】
1.一种图像处理方法，所述方法包括：/n获取原始图像，将所述原始图像输入到待训练的目标图像处理模型中进行处理，得到目标图像；/n获取目标参考模型，所述目标参考模型是根据输入到模型的图像与模型输出的图像的差异训练得到的；/n将所述原始图像输入到所述目标参考模型中，得到对应的参考信息；/n根据目标信息与所述参考信息的差异得到第一模型损失值，所述目标信息包括所述目标图像或者将所述目标图像输入到所述目标参考模型中进行编码得到的编码特征中的至少一个；/n根据所述第一模型损失值调整所述目标图像处理模型中的模型参数，得到更新后的目标图像处理模型，以利用所述更新后的目标图像处理模型进行图像处理。/n

【技术特征摘要】
1.一种图像处理方法，所述方法包括：
获取原始图像，将所述原始图像输入到待训练的目标图像处理模型中进行处理，得到目标图像；
获取目标参考模型，所述目标参考模型是根据输入到模型的图像与模型输出的图像的差异训练得到的；
将所述原始图像输入到所述目标参考模型中，得到对应的参考信息；
根据目标信息与所述参考信息的差异得到第一模型损失值，所述目标信息包括所述目标图像或者将所述目标图像输入到所述目标参考模型中进行编码得到的编码特征中的至少一个；
根据所述第一模型损失值调整所述目标图像处理模型中的模型参数，得到更新后的目标图像处理模型，以利用所述更新后的目标图像处理模型进行图像处理。


2.根据权利要求1所述的方法，其特征在于，所述参考信息包括所述目标参考模型输出的参考图像，所述目标信息包括所述目标图像，所述根据目标信息与所述参考信息的差异得到第一模型损失值包括：
计算所述目标图像与所述参考图像之间的图像差异，根据所述图像差异得到第一模型损失值。


3.根据权利要求2所述的方法，其特征在于，所述目标参考模型包括第一图像域对应的第一参考模型以及第二图像域对应的第二参考模型，所述原始图像为所述第一图像域的图像，所述目标图像为所述第二图像域的图像；
所述将所述原始图像输入到所述目标参考模型中，得到对应的参考信息包括：
将所述原始图像输入到所述第一参考模型对应的第一编码模型中，编码得到第一目标编码特征；
将所述第一目标编码特征输入到所述第二参考模型对应的第二解码模型中，得到解码输出的所述参考图像。


4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
沿着从所述第二解码模型到所述第一编码模型的方向，根据所述第一模型损失值进行模型参数调整，得到调整后的第二解码模型以及调整后的第一编码模型。


5.根据权利要求1所述的方法，其特征在于，所述目标参考模型包括第一图像域对应的第一参考模型以及第二图像域对应的第二参考模型，所述原始图像为所述第一图像域的图像，所述目标图像为所述第二图像域的图像，所述参考信息包括参考编码特征，所述将所述原始图像输入到所述目标参考模型中，得到对应的参考信息包括：
将所述原始图像输入到所述第一参考模型中的第一编码模型中，编码得到所述参考编码特征；
其中，所述目标信息包括将所述目标图像输入到所述第二参考模型中的第二编码模型中，编码得到的第二目标编码特征。


6.根据权利要求5所述的方法，其特征在于，所述方法还包括以下步骤的至少一个：
根据所述第一模型损失值对所述第一编码模型的模型参数进行调整，得到调整后的第一编码模型；或者
根据所述第一模型损失值对所述第二编码模型的模型参数进行调整，得到调整后的第二编码模型。


7.根据权利要求3或5所述的方法，其特征在于，所述第一参考模型的得到步骤包括：
利用待训练的第一编码模型对第一训练图像进行编码，得到第一训练编码特征，所述第一训练图像为第一图像域的图像；
利用待训练的第一解码模型对所述第一训练编码特征进行解码，得到第一输出图像；
根据所述第一训练图像与所述第一输出图像的差异计算得到第二模型损失值；
根据所述第二模型损失值调整所述待训练的第一编码模型以及所述待训练的第一解码模型的模型参数，得到所述第一参考模型。


8.根据权利要求3或5所述的方法，其特征在于，所述第二参考模型的得到步骤包括：
利用待训练的第二编码模型对第二训练图像进行编码，得到...

【专利技术属性】
技术研发人员：陈嘉伟，李悦翔，郑冶枫，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44